出品｜Tech 后视镜

8月24日，小鹏宣布机器人业务首轮融资超过9亿美元，投后估值超过63亿美元。

与这个颇具冲击力的数字同时存在的，是另一组不那么醒目的事实：交易仍涉及后续交割安排，小鹏的IRON也还没有进入规模商业交付。换句话说，投资人此时定价的主要不是当下收入，而是对未来的判断。

如果这只是小鹏一家公司的故事，问题无非是63亿美元贵不贵。

但把视线拉远，特斯拉正在为Optimus安装生产线，现代汽车把波士顿动力的Atlas写进制造计划，BMW和梅赛德斯-奔驰则把外部人形机器人带进工厂。中国车企中，小鹏走得最快，比亚迪、理想也先后公布了相关方向。

过去两年，机器人几乎成了智能汽车发布会之外的另一条固定议程。

于是，一个比小鹏融资更值得追问的问题浮了出来：为什么最积极谈论人形机器人的，往往也是智能汽车公司？这是汽车行业在寻找下一条增长曲线，还是资本市场催生的又一轮热门叙事？造车积累的能力，究竟有多少能够搬到机器人身上？

一、车企为什么在这个时候一起看向机器人

汽车公司和机器人的关系，比这一轮具身智能热潮早得多。

汽车工厂是工业机器人最成熟的应用场景之一：焊接、喷涂、搬运和装配线旁，机械臂已经工作了几十年。国际机器人联合会统计，2024年全球汽车行业安装了12.61万台工业机器人，占全球新增安装量约24%，仅次于电子电气行业。早在2017年，丰田也发布过第三代人形机器人T-HR3。车企并不是突然发现机器人，而是长期站在机器人产业最大的需求端之一。

真正发生变化的，是机器人要解决的问题。

传统工业机器人通常被固定在围栏内，动作由工程师预先编排，擅长年复一年重复同一套流程。今天的人形机器人则试图走出围栏，在为人设计的厂房、仓库甚至家庭里，理解环境并完成不同任务。视觉语言模型、强化学习和端到端控制的进展，让这种设想第一次有了较为完整的技术路径。

这正好与智能汽车过去十年的投入相接。自动驾驶要让一台两吨重的机器在真实道路上感知环境、作出判断并实时执行，背后是摄像头、芯片、模型、数据闭环和运动控制。机器人面对的任务更复杂，也需要重新学习双足行走和双手操作，但两者处理问题的方法已经出现交集。对特斯拉和小鹏这样的公司来说，机器人并非凭空冒出的新业务，而是把既有的AI和工程体系推向汽车之外。

当然，产业逻辑之外也有现实的资本诱惑。

汽车市场竞争激烈，新车型越来越难换来持续的估值溢价；机器人却仍处在市场空间巨大、收入尚未定型的阶段。F-Prime基于PitchBook的统计显示，在美洲、欧洲和以色列，人形机器人与机器人基础模型的融资额从2023年的3亿美元增至2025年的61亿美元。Figure在2025年获得超过10亿美元的C轮融资，投后估值达到390亿美元；Apptronik在2026年的融资也把估值推到约50亿美元。

小鹏在此时拆出机器人业务融资，既能补充长期研发所需的资金，也为汽车主业之外的技术能力找到一套新的估值方式。

但“车企都在造机器人”仍是一种过度简化的说法。特斯拉和小鹏选择自己做模型、本体和量产，想把机器人变成下一条产品线；现代汽车在2021年收购波士顿动力80%股权，用并购补上机器人研发能力；梅赛德斯-奔驰投资Apptronik，并让Apollo进入工厂训练；BMW本质上仍是采购方和试用者，先后与Figure、Hexagon Robotics合作，在真实产线上测试机器人能否创造价值。四条路线都可以被称为“布局”，投入程度和目标却完全不同。

车企之间同样存在距离。小鹏已连续发布多代整机，并把机器人业务拆出来融资；比亚迪确认过人形机器人的亮相计划，但网络流传的部分产品参数和部署规模并未得到公司正式确认；理想汽车管理层表达过研发人形机器人的方向，公开的产品进展仍然有限。把这些公司都列入“造机器人名单”并非完全错误，却会让人忽略一个基本区别：使用机器人、投资机器人和成为一家机器人制造商，是三件不同的事。

图1｜车企进入机器人赛道的四种方式

二、造车的本事，能有多少搬到机器人身上

理解车企的优势，最好不要从发布会上的舞蹈和行走演示开始，而要到工厂里看一项并不炫目的工作。

BMW披露，Figure 02曾在美国斯帕坦堡工厂运行约1250小时，搬运超过9万个钣金件，并参与3万多辆BMW X3的生产。这里的“参与”不是机器人独立造出了3万辆汽车，而是在特定工序里反复完成取放和定位。恰恰是这种枯燥的重复，最接近工业客户真正愿意付钱的价值。

图2｜BMW披露的Figure 02工厂试点数据。它证明机器人已经进入真实工序，但距离通用能力和规模商业化仍有距离。

车企首先拥有的，是把复杂机电产品从样机变成商品的经验。

一台机器人能走几步，只能说明原型机成立；能否稳定生产上千台，批次之间是否一致，出了故障能否追溯到零部件和供应商，软件如何升级、售后如何覆盖，才决定它能不能成为一门生意。供应链认证、成本控制、质量体系和服务网络，正是汽车公司几十年积累下来的能力。

第二个优势来自场景。

机器人公司最缺的不只是资金，还缺可以反复试错的真实环境。车厂的工序相对清晰，安全边界明确，设备和数据接口也比较稳定，适合作为人形机器人的第一批训练场。现代汽车为此建设Robot Metaplant Application Center，模拟生产环境、训练机器人、采集数据，再把通过测试的方案送入工厂。车企既是潜在制造者，也可以先做自己的第一个客户。

第三个优势是部分技术可以共用。

视觉感知、嵌入式计算、电池、电机、功率控制、热管理、实时系统和安全冗余，同时存在于智能汽车与机器人。小鹏希望VLA模型能跨汽车、Robotaxi、机器人和飞行汽车使用，特斯拉也把Optimus放进“现实世界AI”的同一套叙事中。如果芯片、模型工具链和数据基础设施能复用，车企确实比完全从零起步的团队更接近量产。

图3｜车企、机器人创业公司和工业自动化企业各有长处。机器人产业很难由某一类公司单独包办。

可惜，汽车并不是装上双腿和双手之后就会变成人形机器人。

车辆在道路上积累的数据，主要围绕加速、制动、转向和障碍物；机器人还要处理平衡、抓取力度、手眼协调、多关节接触，以及与人的近距离互动。

《自然·机器智能》指出，真实物理交互数据比图像和视频更难获得，仿真中的策略进入现实后，还会受到摩擦、材质、光线和传感误差影响。汽车跑过多少公里，不能直接教会一只机械手完成多少次可靠抓取。

硬件也有相似的边界。

汽车供应链能提供电池、电机和规模制造基础，却不能自动解决高精度关节、触觉传感和灵巧手的耐久性。发布会上常见的自由度和算力，只能描述机器“有多少能力”；客户更关心的是它能连续工作多久，多久需要维护，一项任务能成功多少次，以及替代人工之后是否真的更便宜。

NIST在Physical AI项目说明中也提醒，实验室里的具身智能与制造现场可部署的系统之间仍有明显差距，算法必须和成本、安全、产出放在一起评估。

图4｜造车经验能够迁移的是部分技术底座和工业体系；操作数据、灵巧能力、可靠性和商业模式仍要重新建立。

这也是机器人创业公司和传统自动化企业仍有机会的原因。

前者把全部精力放在本体、控制和操作数据上，可以面向物流、制造、零售等不同行业快速调整；后者更懂工厂的可靠性、系统集成和投资回报。

车企的弱点则藏在自己的规模里：汽车主业会不断争夺资金和管理注意力，一家车企控制的机器人公司也未必容易把产品卖给竞争对手。更重要的是，车企擅长量产，却可能在客户任务尚未明确时，过早把“能造很多台”当成“市场需要很多台”。

人形本身也不是所有问题的答案。

IEEE Spectrum对行业规模化的分析指出，续航、可靠性、安全和明确需求仍是主要障碍。在平整地面上搬运固定物料，轮式机器人或传统机械臂往往更便宜、更稳定。只有当机器人必须进入为人设计的空间、使用现有工具，并且因此创造的收益足以覆盖双足和灵巧手的额外成本时，人形才有充分的商业理由。

三、所有车企都会用机器人，但不会都成为机器人公司

判断一家车企是在认真做机器人，还是借热点讲故事，不能只看样机是否亮相。

更有意义的是沿着四个台阶往下看：有没有独立团队和持续预算，机器人是否进入真实任务并披露运行数据，试点能否扩大到更多工序，最后有没有外部客户愿意持续采购。发布会可以在一天内完成，后面的每一步都要用时间和经营结果来证明。

图5｜判断车企机器人业务进展的四层证据。越往右，越难靠一场发布会完成。

按这套标准看，小鹏已经越过了单纯发布概念的阶段：公司形成了相对独立的业务主体，引入外部资本，并明确资金将用于模型训练、数据采集和量产设施。

但公开信息仍不足以回答实际产量、连续运行时长、任务成功率和客户复购。融资说明投入是真的，并不等于商业模式已经成立。BMW的工厂数据则走到了工程验证，却同样没有证明人形机器人已经能够在更多客户和更多工序中复制。

未来更可能出现的，不是所有车企都成立机器人公司，而是一种分层格局。

少数拥有自研AI平台、强软件团队和长期资本耐心的企业，会像特斯拉、小鹏一样坚持全栈研发；现代汽车这类大型工业集团，可能通过收购掌握专业团队；更多车企会选择投资、联合开发和工厂采购，把模型和本体交给合作伙伴。

还有一些公司会继续使用成熟的机械臂和移动机器人，根本没有必要加入通用人形机器人的竞争。

这意味着，机器人会越来越多地出现在汽车工厂里，但“使用机器人”的车企一定会多于“制造并销售机器人”的车企。

汽车行业不会因为大量采购芯片而全部成为芯片公司，也不会因为部署人形机器人而全部变成机器人公司。车企能否从大客户变成产业主角，最终取决于几个朴素的数字：连续工作时间、任务成功率、故障和维护成本、单台成本与收益，以及外部客户是否复购。

回到小鹏的63亿美元估值，它更像是资本市场为一种可能性提前支付的价格：汽车公司拥有的AI团队、工厂、供应链和量产能力，或许能够缩短机器人从实验室走向商品的时间。这种可能性有现实依据，却还没有被充分证明。

下一批机器人巨头可能从车企中长出来，但胜出的不会是最早在发布会上“造人”的公司，而是最先把机器人变成可靠生产工具、并让客户算得过账的公司。